让百度从掉队到起死回生的 AI，我们能否四个月学会它？

姓名:张萌          学号：17021211113

转载自：http://mp.weixin.qq.com/s/SkU-h9xwt5dd2lnkJBcRZw

【嵌牛导读】2014 年，李彦宏说服吴恩达加入百度，开始转型 AI，并向全球宣布吸引人才的“少帅计划”——百万年薪，上不封顶。在AI如此高速发展的今天，我们能否学好它呢？

【嵌牛鼻子】AI,学习

【嵌牛提问】AI前景如何？怎样才能学好它？

【嵌牛正文】

首先，我们还是需要从 AI 风生水起的源头谈起。

柯洁被 AlphaGo 虐哭的场景，想必大家历历在目：

让百度从掉队到起死回生的 AI，我们能否四个月学会它？

输到没脾气的柯洁，承认人类在计算力和认知上确实有极限，他是这样说的：“我不会再跟它去下棋了，真的是太残酷，太难以接受。从头到尾，我都看不到明显的胜机，或者扭转的机会。”

我们再也不跟它下棋了，但我们还是要工作。

可能围棋距离你我的工作还比较远，毕竟国际象棋早在 20 年前就被电脑征服了，我们也没感觉出多大的变化。

事实上，人工智能之父约翰·麦卡锡一直抱怨人类总喜欢这样麻痹自己，“一旦某项人工智能被实现了，人们便不会再称之为人工智能。”

所以，要想理解深度学习对于你我工作的冲击，只盯着 AlphaGo 是看不出来的，我们一定要看看那些已经“不再被成为人工智能”的地方。

以 Google 为例，2011年，Jeff Dean 和吴恩达联手创造了大型深度学习软件平台 DistBelief，是为 Google Brain 的起点；第二年，吴恩达让运行在 16000 个 GPU 上的深度神经网络学会了认“猫”；随后，Google 开始用深度学习改造其一线的产品：搜索引擎、Android、Gmail、Google 翻译、Google 地图、YouTube……到 2015 年，Google 内部这些深度学习项目超过 1000 个；到 2016 年，接近 3000 个；目前，在 Google 内部，80% 以上的项目都在用深度学习。

让百度从掉队到起死回生的 AI，我们能否四个月学会它？

就国内来说，这一趋势对百度的影响最大。曾几何时，我们对百度的认知，就是一家做搜索引擎的互联网公司，并且劣迹斑斑。然而近几年，李彦宏正在声势浩大地把人工智能的标签贴到百度上。

2014 年，李彦宏说服吴恩达加入百度，开始转型 AI，并向全球宣布吸引人才的“少帅计划”——百万年薪，上不封顶。

尽管后来的事情我们都知道：陆奇来，吴恩达去，李彦宏重金招来的人才纷纷出走和创业……但百度全部产品线 AI 化的趋势已经不可逆转。就连“魏则西事件”中被网友批得体无完肤的百度贴吧，都开始被 AI 改造——图像算法研发、推荐架构研发、推荐算法与策略，招聘网站随便一搜就有一大把相关职位。

比如百度贴吧的图像算法高级研发工程师，在拉勾网的职位描述是这样的：

让百度从掉队到起死回生的 AI，我们能否四个月学会它？

这一点能说明什么呢？别的且不说，随便看看手机上每天都在用的微信、微博、京东、美团、支付宝、今日头条、滴滴出行……没有一家不在用 AI 的，换句话说，AI 和深度学习对于各大公司一线业务的影响，远比我们从媒体上看到的要深。

这可能就是“书呆子之王”麦卡锡一直的抱怨之所在……也许过不了多久，不了解 AI 和深度学习，我们就很难在一线公司生存下去。可我们又能怎么学呢？AI 和深度学习并非那么容易上手。

缔造深度学习需要数十年，那学习它呢？

Geoffrey Hinton 老爷子研究神经网络数十载，从他和 Yann LeCun 一起搞反向传播算法，到他跟 Russ Salakhutdinov 一同提出深度学习算法，再到 2012 年 AlexNet 证实 GPU 是最合适的深度学习硬件……Hinton 老爷子的深度学习好用是好用，就是老爷子自己也没有给深度学习找出一套自洽的数学理论，这就是为什么前不久他突然又准备抛弃深度学习最基础的反向传播算法。

但是，这样的困境非但没有影响老爷子继续探索未知之境，反倒让他培养出不少高徒，比如 Yann LeCun 在统领 Facebook AI 研究、Russ Salakhutdinov 已经执掌苹果的 AI 部门。

而大家耳熟能详的吴恩达、李飞飞，前者打他师从 Michael Jordan 起，研究机器学习将近 20 年；后者仅专注 ImageNet 一项就达 8 年。

李飞飞高徒、主管 Tesla AI 部门的 Andrej Karpathy，在深度学习领域的学习路线则是这样的：

让百度从掉队到起死回生的 AI，我们能否四个月学会它？

十年寒窗，这话一点都不假。

不过，对于有一定基础的人，在短时间内掌握深度学习的案例也是存在的，比如 Alexey Moiseenkov 在看到 DeepArt 背后“图像的风格迁移”论文后，先学了两个月它的神经网络和数学原理，才开始做 Prisma。他原本是俄罗斯网络公司 Mail.ru 的工程师。

我们报道过的黑人小哥 Jason Carter 转型 AI 的经历，他学机器学习三个半月就开始找工作了。他说里面数学就是线性代数，不是什么高深的学问。

当然，他的教育背景是软件工程，工作方面做过开发者和数据分析师。不过，其中必定也存在一些窍门，对吧？

这里的窍门到底是啥？

三个多月的学习，Jason Carter 上过两门专门的深度学习和机器学习课程，这些课程谁都能学，这不是关键。

他的关键是在学习过程中亲自动手，从零组建一台深度学习电脑并配置好软件环境，参加 Kaggle 竞赛和 MNIST 挑战赛，分享学习经验并参与 AI 讲座和讨论会。

之所以学完就能找工作，是他在学习过程中想到了去数据科学家和 Python 训练营中提前去做准备，进而能从构建和部署端到端深度学习产品的学习中累积实际经验。

反过来，对一个新手来说，如果你没有踩过深度学习里面的各个大坑，很有可能上手搭建一个 TensorFlow 的软件环境就能直接把你卡在门外。而且，数学、编程、动手实操之间相互配合的程度，肯定是一个有过实际的深度学习开发经验的人能帮你拿捏得更好。

如上，即是人工智能工程师从入门、进阶到高阶学习路线的部分截图，包含了从计算机基础、编程语言、数学基础到机器学习算法，后面还有深度学习算法和迁移学习等，知识体系庞大而复杂。感兴趣的童鞋可以从这里查看高清大图：http://edu.csdn.net/resource/images/special/ai/aimind.png。

更何况，即便只是三个多月的时间，大家也不免会出现懒散和懈怠的情况，能让有经验的人全程督促、手把手帮你渡过难关，肯定会是一个更好的选择。

这就说到了 CSDN 学院最新推出的「人工智能工程师」专项课程：

只需一个一百天的学习计划，便能让你从 AI 小白直接升格为具备一年经验的人工智能工程师。

全程实战案例，从机器学习原理到推荐系统实现，从深度学习入门到图像语义分割及写诗机器人，再到专属 GPU 云平台上的四大工业级实战项目。100 天内完美掌握人工智能工程师必备技能。

有专人来跟踪你的学习进度，并根据你的数学和编程基础来制定个人专属学习计划，保证不掉队。

两位大咖讲师在机器学习与深度学习的学术界和产业界分别都有着深厚的经验，产、学、研结合紧密：

学成之日，会有来自 AI 产业界的专业讲师来做就业指导，甚至还有可能直接推荐就业并全额返还学费。